KAJIAN INTERPOLASI DUA DIMENSI DALAM TABEL NILAI KRITIK ...

Fraktal: Jurnal Matematika dan Pendidikan Matematika Volume 2, No. 1, Mei 2021, Hal. 64-79 (e-ISSN 2776-0073)

Available online at https://ejurnal.undana.ac.id/fraktal

64

KAJIAN INTERPOLASI DUA DIMENSI DALAM TABEL NILAI

KRITIK SEBARAN F BERBANTUAN PROGRAM MATLAB

Irna K.S. Blegur

Pendidikan Matematika, FKIP Universitas Nusa Cendana, Kupang.

Email: [email protected]

Diterima (16 April 2021); Revisi (26 April 2020); Diterbitkan (21 Mei 2021)

Abstrak

Tujuan penelitian ini adalah mengkaji cara melakukan interpolasi dua dimensi untuk menentukan

nilai tabel sebaran F, membuat program interpolasi dua dimensi berbantuan Matlab, dan mengkaji

perbandingan dari metode-metode yang digunakan (manual maupun berbantuan program). Jenis

penelitian ini adalah penelitian dasar dengan pendekatan studi literatur. Karena itu keseluruhan data

penelitian diambil dari buku-buku dan referensi lain yang relevan dengan masalah yang dikaji.

Adapun hasil penelitian adalah sebagai berikut: pertama, interpolasi dua dimensi dalam tabel nilai

kritik sebaran F dapat dilakukan dengan menggunakan prosedur interpolasi satu variabel secara

berurutan. Formula interpolasi dua dimensi dapat dibuat dengan mengacu pada bentuk umum

polinom interpolasi Lagrange dan Newton. Kedua, telah dibuat suatu program interpolasi dua

dimensi berbantuan Matlab yaitu program yang dapat menentukan nilai tengahan suatu fungsi dalam

dua variabel dengan menggunakan formula interpolasi polynomial Lagrange dan formula interpolasi

polynomial Newton. Ketiga, dilihat dari hasil akhir, tidak ada perbedaan yang ditunjukkan oleh

kedua metode yang digunakan. Dilihat dari proses, interpolasi dua dimensi dengan menggunakan

metode interpolasi polynomial Lagrange memiliki kelebihan dalam kesederhanaan pembuatan

program, namun memerlukan waktu yang cukup lama dalam penyelesaian manualnya. Sedangkan

metode interpolasi polynomial Newton memiliki kelebihan dalam kesederhanaan proses kerja secara

manual, namun memerlukan waktu yang cukup lama dalam pembuatan program.

Kata kunci: Interpolasi; Sebaran F, Program Matlab

Abstract

The purposes of this research are to examine how to perform two-dimensional interpolation for

determine the value of the F distribution, to make a two-dimensional interpolation program using

Matlab and reviewing the comparison of the methods used (manually and program). This research

was conducted by using literature study approach. The results of this research are: first, the two-

dimensional interpolation in F distribution table can be done using the successive univariate

polynomial interpolation. Two-dimensional interpolation formulas can be made by referring to the

general form of Lagrange and Newton's interpolation polynomials. Second, a two-dimensional

interpolation program assisted by Matlab that is a program that can determine the intermediate value

of a function in two variables using the Lagrange and Newton’s polynomial interpolation formula

has been created. Third, based on the final results, there is no difference shown by the two methods

used. Judging from the process, two-dimensional interpolation using the Lagrange polynomial

method has advantages in simplicity of programming, but requires a long time in manual

completion. While the Newton polynomial interpolation method has advantages in the simplicity of

the manual work process, but it requires a long time to make the program.

Keywords: Interpolation, F-Distribution, Matlab

PENDAHULUAN

Permasalahan klasik yang sering muncul dalam sebuah data diskrit adalah mencari fungsi

yang melibatkan data. Untuk hal seperti ini umumnya data yang diperoleh telah tepat memiliki

Fraktal: Jurnal Matematika dan Pendidikan Matematika Blegur, Kajian Interpolasi …..

Volume 2, No. 1, Mei 2021, Hal. 64-79

65

pasangan nilai fungsinya. Permasalahan yang muncul kemudian adalah bagaimana menghitung

nilai fungsi dari data yang terletak dalam rentangan titik-titik data yang diperoleh itu. Contohnya,

data pada tabel 1 berupa harga jual (y) mobil bekas merek dan tipe tertentu yang telah berumur x

tahun

Tabel 1. Harga Jual Mobil Bekas

x (tahun) y ($)

1 2350

2 1750

3 1395

5 985

Kemudian ingin dicari harga jual mobil bekas demikian yang telah berumur 4 tahun. Masalah

seperti ini dapat diselesaikan dengan proses interpolasi. Interpolasi adalah teknik untuk

mendapatkan fungsi yang melewati semua titik dari sebuah data diskrit (Kosasih, 2006). Karena itu

interpolasi dapat digunakan untuk menghitung perkiraan nilai yang terletak dalam rentangan titik-

titik data.

Interpolasi diklasifikasikan berdasarkan fungsi penginterpol yang digunakan dalam proses

interpolasi. Misalkan P = P(x) adalah fungsi penginterpol m+1 titik data diskrit (x0, y0),(x1,

y1),…,(xm, ym) disebut interpolasi polinomial jika P adalah sebuah fungsi polynomial aljabar. P

disebut pendekatan trigonometri jika P adalah sebuah fungsi polynomial trigonometri. P juga

disebut interpolasi polynomial perbagian (interpolasi spline) jika P adalah fungsi polynomial lokasi

(Quarteroni; 2007; Karris, 2004; Kiusalaas, 2005). Dari ketiga jenis interpolasi tersebut, interpolasi

polynomial menjadi pilihan utama dan sering digunakan. Dalam interpolasi polynomial, terdapat

beberapa metode yang dapat digunakan untuk mendapatkan nilai yang terletak dalam rentangan

titik-titk data tersebut. Dua diantaranya adalah metode interpolasi polinomial Lagrange dan metode

interpolasi polinomial Newton.

Interpolasi Polinomial Lagrange untuk n+1 titik data,bentuk umum fungsi penginterpolnya

adalah 𝑃𝑛(𝑥) = ∑ 𝐿𝑖(𝑥)𝑓(𝑥𝑖) = 𝐿0𝑓(𝑥0) + 𝐿1𝑓(𝑥1) + ⋯ + 𝐿𝑛𝑓(𝑥𝑛)𝑛𝑖=0 dimana n menyatakan

derajat tertinggi polynomial tersebut dan 𝐿𝑖(𝑥) = ∏x−xj

xi−xj

nj=0,i≠j menyatakan koefisien-koefisien

dalam polinomial Lagrange. Interpolasi Polinomial Newton untuk n+1 titik data , bentuk umum

fungsi penginterpolnya adalah 𝑃𝑛(𝑥) = 𝑓(𝑥0) + 𝑓[𝑥1, 𝑥0](𝑥 − 𝑥0) + 𝑓[𝑥2, 𝑥1, 𝑥0] (𝑥 −

𝑥0)(𝑥−𝑥1) + ⋯ + 𝑓[𝑥𝑛, 𝑥𝑛−1, … , 𝑥1, 𝑥0](𝑥 − 𝑥0) (𝑥 − 𝑥1) … . (𝑥 − 𝑥𝑛−1) dimana n menyatakan

derajat tertinggi polynomial tersebut dan 𝑓[𝑥𝑛 , 𝑥𝑛−1, … , 𝑥1, 𝑥0] =(𝑓[𝑥𝑛,𝑥𝑛−1,…𝑥1]−𝑓[𝑥𝑛−1,…,𝑥1,𝑥0])

𝑥𝑛−𝑥0

menyatakan koefisien-koefisien dalam polinomial newton (Kosasih,2006:192).


Volume 2, No. 1, Mei 2021, Hal. 64-79

66

Sejauh ini formula-formula ini dapat digunakan untuk menentukan nilai tengahan data

untuk suatu polynomial berderajat-n. Kasus lain terjadi pada tabel distribusi F, sebagian tabel nilai

distribusi F (untuk 𝛼=0.01) seperti terlihat pada tabel 2.

Tabel 2. Nilai Distribusi F (𝛼=0.01)

𝝂𝟐 𝝊𝟏

8 9 10 12 15

3

0 3.17 3.07 2.98 2.84 2.70

4

0 2.99 2.89 2.80 2.66 2.52

6

0 2.82 2.72 2.63 2.50 2.35

1

20 2.66 2.56 2.47 2.34 2.19

*sumber : tabel A.7 Nilai kritik sebaran F, Ronald E. Walpole

Jika dalam suatu pengujian hipotesis diperlukan 𝑓0.01(13,35),bagaimana hasilnya dapat diperoleh

dari tabel?

Permasalahan seperti ini dapat diselesaikan dengan interpolasi, namun terdapat dua

variabel yang harus diinterpolasi yakni 𝜐1 𝑑𝑎𝑛 𝜈2. Formula interpolasi polynomial Lagrange dan

Interpolasi polynomial Newton yang telah dijelaskan di atas tidak dapat digunakan untuk

menjawab persoalan ini karena itu dibutuhkan formula baru. Formula yang dimaksud adalah

formula interpolasi dalam dua variabel, atau yang dinamakan interpolasi dua dimensi. Hal ini

sejalan dengan pendapat. Quarteroni (2007) yang menyatakan bahwa “dalam interpolasi dua

dimensi, terdapat matriks nilai fungsi 𝑓(𝑥, 𝑦),di mana x bervariasi dari 1 sampai m dan y

bervariasi dari 1 sampai n. Akan diperkirakan nilai 𝑓 di beberapa titik yang tidak diketahui

(𝑥1, 𝑦1) dimana 1 ≤ 𝑥1 ≤ 𝑚 dan 1 ≤ 𝑦1 ≤ 𝑛”

Untuk menyelesaikan kasus-kasus dengan menggunakan interpolasi dua dimensi dapat

dilakukan dengan perhitungan secara manual. Namun untuk kasus yang lebih kompleks, sangat

sulit untuk bekerja secara manual sehingga dibutuhkan bantuan program komputer. Hal ini

dikarenakan program komputer berperan mempercepat proses perhitungan tanpa membuat

kesalahan. Di pasaran terdapat banyak program aplikasi komersil yang langsung dapat digunakan.

Contoh aplikasi yang ada saat ini adalah MatLab. Matlab (Matrix Laboratory) adalah sebuah

program interaktif untuk komputasi numerik dan data visualisasi, digunakan secara luas oleh para

insinyur untuk analisis dan desain (Yang, Cao, Chung & Moris, 2005; Hanselman & Bruce, 2000;

Etter, Kunicky & Hull, 2003). Matlab menggunakan bahasa canggih untuk komputasi teknik

namun mudah didapatkan, praktis digunakan oelh siapa saja, serta tidak membutuhkan waktu yang

lama untuk menuliskan Bahasa bila dibandingkan program lainnya yang beredar di pasaran.

Beberapa alasan inilah yang menyebabkan Matlab dipilih dalam penilitian ini.


Volume 2, No. 1, Mei 2021, Hal. 64-79

67

Dengan bertitik tolak dari pemikiran-pemikiran di atas, maka terdapat beberapa pertanyaan

menarik untuk dijawab diantaranya: bagaimana cara melakukan interpolasi dua dimensi untuk

menentukan nilai tabel sebaran F? Apakah terdapat beberapa metode? Jika ya, bagaimana

perbandingan dari metode-metode yang digunakan? Bagaimana membuat program interpolasi dua

dimensi berbantuan Matlab yang dapat membantu proses perhitungan? Adapun jawaban terkait

ketiga pertanyaan di atas, dibahas secara lengkap dalam artikel ini.

METODE

Jenis penelitian ini adalah penelitian dasar dengan pendekatan studi literatur. Penelitian

dasar atau murni merupakan penelitian yang kegunaannya diarahkan dalam rangka penemuan atau

pengembangan ilmu pengetahuan. Studi literatur dimana keseluruhan data penelitian diambil dari

buku-buku dan referensi lain yang relevan dengan materi yang dikaji (Hadi, 1995; Muhadjir,

1998).

Penelitian diawali dengan mencari sumber-sumber yang relevan dengan materi yang dikaji.

Setelah itu setiap sumber dibaca untuk mencari gambaran umum terkait interpolasi dua dimensi

dan pembuatan bahasa program pada Matlab. Setelah gambaran umum didapatkan, dilakukan

pembatasan ruang lingkup permasalahan yakni 1) pengkajian hanya akan dilakukan pada

interpolasi bilinear, interpolasi bikuadrat dan interpolasi bikubik; 2) prosedur penyelesaian yang

digunakan adalah prosedur penyelesaian dengan menggunakan fungsi interpolasi 1 variabel secara

berurutan (successive univariate polynomial interpolation) dan metode yang digunakan terbatas

pada metode interpolasi polynomial Lagrange dan metode interpolasi polynomial newton 3). kajian

hanya dilakukan pada tabel nilai kritik sebaran F. Pembatasan ini perlu dilakukan agar terhindar

dari luasnya cakupan masalah yang diteliti.

Setelah pembatasan masalah penilitian yang dilakukan di atas, penilitian dilanjutkan

dengan: a) menguraikan cara melakukan interpolasi dua dimensi menurut prosedur penyelesaian

dengan menggunakan fungsi interpolasi 1 variabel secara berurutan (successive univariate

polynomial interpolation) untuk menemukan formula berdasarkan bentuk umum polinom

interpolasi Lagrange dan bentuk umum polinom interpolasi Newton. Penentuan formula ini

dilakukan dengan menggunakan data pada tabel nilai kritik yang telah diketahui untuk

membuktikan keakuratan formula. b) Membuat program interpolasi dua dimensi dengan

menggunakan Matlab. c). Menghitung dan meembandingkan hasil perhitungan nilai kritik sebaran

F untuk 𝑥 𝑑𝑎𝑛 𝑦 yang ditentukan berdasarkan formula yang telah diuraikan menurut langkah a)

dan bahasa program pada langkah b). d). Membuat kesimpulan.


Volume 2, No. 1, Mei 2021, Hal. 64-79

68

HASIL DAN PEMBAHASAN

Definisi Interpolasi Dua Dimensi

Jika data yang diberikan bergantung pada dua variabel, maka teknik yang digunakan untuk

menginterpol nilai dalam data disebut Interpolasi dua dimensi. Dalam Interpolasi Dua

Dimensi,terdapat matriks nilai fungsi 𝑓(𝑥, 𝑦),di mana x bervariasi dari 1 sampai m dan y

bervariasi dari 1 sampai n. Akan diperkirakan nilai 𝑓 di beberapa titik yang tidak diketahui

(𝑥1, 𝑦1) dimana 1 ≤ 𝑥1 ≤ 𝑚 dan 1 ≤ 𝑦1 ≤ 𝑛 (Quarteroni, 2007). Interpolasi dua dimensi dikenal

juga dengan nama interpolasi permukaan. Interpolasi ini diklasifikasikan ke dalam interpolasi

perbagian karena proses interpolasinya dilakukan secara bertahap (perbagian), tahap pertama

interpolasi untuk variabel pertama dan selanjutnya untuk variabel yang kedua.

Interpolasi Dua dimensi dengan menggunakan prosedur interpolasi 1 variabel secara berurutan

(successive univariate polynomial interpolation)

Interpolasi dua dimensi menurut prosedur ini dilakukan dengan berturut-turut melakukan

interpolasi satu variabel untuk mendapatkan fungsi dekatan bagi data yang diberikan. Interpolasi

dilakukan terlebih dahulu untuk salah satu variabel dari dua variabel itu dengan menganggap

variabel yang lainnya konstan. Kemudian sekali lagi dilakukan interpolasi untuk mendapatkan

polinom interpolasi ganda untuk data yang diberikan. Perkiraan nilai tengahan untuk fungsi

dimaksud dapat dilakukan dengan mensubstitusikan setiap variabel bebas ke dalam interpolasi

polinom interpolasi ganda yang telah diperoleh. Formula interpolasi dua dimensi untuk

menghitung tabel nilai kritik sebaran F dapat dibuat dengan mengacu pada bentuk umum polinom

interpolasi Lagrange dan polinom interpolasi Newton.

1. Interpolasi dua dimensi berdasarkan bentuk umum polinom interpolasi Lagrange

Sebagian nilai kritik sebaran F(𝛼 = 0.01) terlihat pada table 1 Misalkan ingin diketahui

nilai 𝑓0.01(𝑣1, 𝑣2) pad 𝑣1 = 3 dan 𝑣2 = 6. Nilainya tidak diketahui dalam tabel ini. Karena itu akan

digunakan interpolasi untuk menentukan 𝑓0.01(3, 6).

Tabel 3. Nilai kritik sebaran F,untuk 𝛼 = 0.01

𝒗𝟐 𝒗𝟏

2 4 5 6

5 13.27 11.39 10.97 10.67

7 9.55 7.85 7.46 7.19

8 8.65 7.01 6.63 6.37

9 8.02 6.42 6.06 5.80

Pertama akan digunakan interpolasi linear. Akan ditentukan terlebih dahulu dua nilai yang

mengapit 𝑣1 = 3 yaitu 𝑣1 = 2 𝑑𝑎𝑛 𝑣1 = 4 dua nilai 𝑣2 yang mengapit nilai 𝑣2 = 6 yakni 𝑣2 =

5 𝑑𝑎𝑛 𝑣2 = 7. Selanjutnya masing-masing nilai 𝑣1 ini akan dikenakan interpolasi untuk


Volume 2, No. 1, Mei 2021, Hal. 64-79

69

mendapatkan nilai 𝑓0.01(𝑣1, 6). Setelah itu barulah kita dapat melakukan interpolasi untuk

mendapatkan 𝑓0.01(3,6).

𝑓0.01(2,6) = 6−7

5−7𝑓0.01(2,5) +

6−5

7−5𝑓0.01(2,7)

= 6−7

5−7 13.27 +

6−5

7−5 9.55 = 11.41

𝑓0.01(4,6) = 6−7

5−7𝑓0.01(4,5) +

6−5

7−5𝑓0.01(6,7)

= 6−7

5−7 11.39 +

6−5

7−57.85 = 9.62

Sampai di dua titik ini telah diperoleh 𝑓0.01(2,6)𝑑𝑎𝑛 𝑓0.01(4,6), ini berarti untuk 𝑓0.01(3,6) yang

dibatasi oleh nilai 𝑓0.01(2,6)𝑑𝑎𝑛 𝑓0.01(4,6) dapat ditentukan dengan menggunakan interpolasi yang

dilakukan sekali lagi 𝑓0.01(3,6) =3−4

2−4𝑓0.01(2,6) +

3−2

4−2𝑓0.01(4,6) = 10.52. Telah didapatkan nilai

interpolasi 𝑓0.01(3,6) dengan menggunakan metode interpolasi polynomial Lagrange yakni 10.52.

Harganya yang benar adalah 𝑓0.01(3,6) = 9.78

Dengan mengasumsikan ketelitian ini mencukupi, selanjutnya akan diformulasikan

formula interpolasi liniear dalam dua variabel (Biliniear) berdasarkan bentuk umum polinom

interpolasi Lagrange. 𝑓𝛼(𝑣1, 𝑣2) dimisalkan menjadi 𝑓(𝑥, 𝑦) dimana 𝑥 menyatakan 𝑣1𝑑𝑎𝑛 𝑦

menyatakan 𝑣2. Jika ingin dihitung nilai 𝑓(𝑥, 𝑦) untuk 𝑥 = �̅� 𝑑𝑎𝑛 𝑦 = �̅� pertama tentukan terlebih

dahulu dua titik 𝑥 yang membatasi 𝑥 = �̅�, misalnya 𝑥 = 𝑥0𝑑𝑎𝑛 𝑥 = 𝑥1 dan dua titik 𝑦 yang

membatasi nilai 𝑦 = �̅� misalnya 𝑦 = 𝑦0 dan 𝑦 = 𝑦1. Untuk 𝑥 = 𝑥0 𝑑𝑎𝑛 𝑥 = 𝑥1, fungsi

𝑓(𝑥0, 𝑦) dan 𝑓(𝑥1, 𝑦) adalah fungsi satu variabel 𝑦. Interpolasi secara liniear untuk menaksir

𝑓(𝑥0, �̅�). Berdasarkan bentuk umum interpolasi polynomial Lagrange orde 1

𝑓(𝑥) =𝑥−𝑥1

𝑥0−𝑥1𝑓(𝑥0) +

𝑥−𝑥0

𝑥−𝑥1 𝑓(𝑥1), maka:

𝑓1(𝑥0, �̅�) =�̅�−𝑦1

𝑦0−𝑦1𝑓(𝑥0, 𝑦0) +

�̅�−𝑦0

𝑦1−𝑦0𝑓(𝑥0, 𝑦1) (1.1)

Serupa untuk 𝑥 = 𝑥1, diinterpolasi dan diperoleh:

𝑓1(𝑥1, �̅�) =�̅�−𝑦1

𝑦0−𝑦1𝑓(𝑥1, 𝑦0) +

�̅�−𝑦0

𝑦1−𝑦0𝑓(𝑥1, 𝑦1) (1.2)

Proses interpolasi ini disebut dengan interpolasi dalam arah y,dan x dibuat tetap.Sekarang jika

𝑥 = �̅�, maka 𝑓(𝑥, �̅�) adalah fungsi satu variabel x. Karena 𝑥 = 𝑥0 𝑑𝑎𝑛 𝑥 = 𝑥1 membatasi 𝑥 = �̅�

maka interpolasi 𝑓(𝑥, �̅�) untuk mendapatkan 𝑓(�̅�, �̅�). Kembali dengan menggunakan bentuk umum

polinom interpolasi Lagrange orde pertama, maka:

𝑓1(�̅�, �̅�) =�̅�−𝑥1

𝑥0−𝑥1𝑓1(𝑥0, �̅�) +

�̅�−𝑥0

𝑥1−𝑥0𝑓1(𝑥1, �̅�) (1.3.a)

bentuk umum persamaan (1.3.a)dapat ditulis:

𝑓1(�̅�, �̅�) = 𝐿1.0(�̅�)𝑓1(𝑥0, �̅�) + 𝐿1.1(�̅�)𝑓1(𝑥1, �̅�) (1.3.b)

dimana 𝑓1(𝑥0, �̅�) 𝑑𝑎𝑛𝑓1(𝑥1, �̅�) diberikan oleh


Volume 2, No. 1, Mei 2021, Hal. 64-79

70

𝑓1(𝑥0, �̅�) = 𝐿1.0(�̅�)𝑓(𝑥0, 𝑦0) + 𝐿1.1(�̅�)𝑓(𝑥0, 𝑦1) dan

𝑓1(𝑥1, �̅�) = 𝐿1.0(�̅�)𝑓(𝑥1, 𝑦0) + 𝐿1.1(�̅�)𝑓(𝑥1, 𝑦1).

(1.3.c)

Perhatikan bahwa untuk mendapatkan 𝑓(�̅�, �̅�) sangat diperlukan 𝑓(𝑥0, �̅�) 𝑑𝑎𝑛 𝑓(𝑥1, �̅�).Itulah

sebabnya persamaan (1.1) dan (1.2) harus dikerjakan terlebih dahulu. Proses interpolasi yang kedua

ini disebut dengan interpolasi dalam arah x, dan y dibuat tetap.

Untuk interpolasi dua dimensi orde ke-dua (Interpolasi bikuadrat), pertama tentukan

terlebih dahulu tiga titik 𝑥 yang membatasi 𝑥 = �̅�, misalnya 𝑥 = 𝑥0, 𝑥 = 𝑥1 𝑑𝑎𝑛 𝑥 = 𝑥2 dan tiga

titik 𝑦 yang membatasi nilai 𝑦 = �̅� misalnya 𝑦 = 𝑦0,𝑦 = 𝑦1 𝑑𝑎𝑛 𝑦 = 𝑦2. Untuk 𝑥 = 𝑥0, 𝑥 =

𝑥1 𝑑𝑎𝑛 𝑥 = 𝑥2 fungsi 𝑓(𝑥0, 𝑦), 𝑓(𝑥1, 𝑦)𝑑𝑎𝑛 𝑓(𝑥2, 𝑦). adalah fungsi satu variabel 𝑦.Iinterpolasi

secara kuadrat untuk menaksir 𝑓(𝑥0, �̅�), 𝑓(𝑥1, �̅�) 𝑑𝑎𝑛 𝑓(𝑥2, �̅�). Selanjutnya berdasarkan bentuk

umum interpolasi polynomial Lagrange orde 2

𝑓(𝑥) =(𝑥−𝑥1)(𝑥−𝑥2)

(𝑥0−𝑥1)(𝑥0−𝑥2)𝑓(𝑥0) +

(𝑥−𝑥0)(𝑥−𝑥2)

(𝑥1−𝑥0)(𝑥1−𝑥2) 𝑓(𝑥1) +

(𝑥−𝑥0)(𝑥−𝑥1)

(𝑥2−𝑥0)(𝑥2−𝑥1) 𝑓(𝑥2), maka:

𝑓2(𝑥0, �̅�) =(�̅�−𝑦1)(�̅�−𝑦2)

(𝑦0−𝑦1)(𝑦0−𝑦2)𝑓(𝑥0, 𝑦0) +

(�̅�−𝑦0)(�̅�−𝑦2)

(𝑦1−𝑦0)(𝑦1−𝑦2)𝑓(𝑥0, 𝑦1) +

(�̅�−𝑦0)(�̅�−𝑦1)

(𝑦2−𝑦0)(𝑦2−𝑦1)𝑓(𝑥0, 𝑦2) (1.4)

𝑓2(𝑥1, �̅�) =(�̅�−𝑦1)(�̅�−𝑦2)

(𝑦0−𝑦1)(𝑦0−𝑦2)𝑓(𝑥1, 𝑦0) +

(�̅�−𝑦0)(�̅�−𝑦2)

(𝑦1−𝑦0)(𝑦1−𝑦2)𝑓(𝑥1, 𝑦1) +

(�̅�−𝑦0)(�̅�−𝑦1)

(𝑦2−𝑦0)(𝑦2−𝑦1)𝑓(𝑥1, 𝑦2) (1.5)

𝑓2(𝑥2, �̅�) =(�̅�−𝑦1)(�̅�−𝑦2)

(𝑦0−𝑦1)(𝑦0−𝑦2)𝑓(𝑥2, 𝑦0) +

(�̅�−𝑦0)(�̅�−𝑦2)

(𝑦1−𝑦0)(𝑦1−𝑦2)𝑓(𝑥2, 𝑦1) +

(�̅�−𝑦0)(�̅�−𝑦1)

(𝑦2−𝑦0)(𝑦2−𝑦1)𝑓(𝑥2, 𝑦2) (1.6)

Sekarang jika 𝑥 = �̅�, maka 𝑓(𝑥, �̅�) adalah fungsi satu variabel x. Karena 𝑥 = 𝑥0 , 𝑥 =

𝑥1, 𝑥 = 𝑥2 membatasi 𝑥 = �̅� maka interpolasi 𝑓(𝑥, �̅�) untuk mendapatkan 𝑓(�̅�, �̅�). Kembali

dengan menggunakan bentuk umum polinom interpolasi Lagrange orde kedua, maka:

𝑓2(�̅�, �̅�) =(�̅�−𝑥1)(𝑥−𝑥2)

(𝑥0−𝑥1)(𝑥0−𝑥2)𝑓2(𝑥0, �̅�) +

(�̅�−𝑥0)(𝑥−𝑥2)

(𝑥1−𝑥0)(𝑥1−𝑥2)𝑓2(𝑥1, �̅�) +

(�̅�−𝑥0)(𝑥−𝑥1)

(𝑥2−𝑥0)(𝑥2−𝑥1)𝑓2(𝑥2, �̅�) (1.7.a)

bentuk umum persamaan (1.7a) dapat ditulis:

𝑓2(�̅�, �̅�) = 𝐿2.0(�̅�)𝑓2(𝑥0, �̅�) + 𝐿2.1(�̅�)𝑓2(𝑥1, �̅�) +𝐿2.2(�̅�)𝑓2(𝑥2, �̅� ) (1.7.b)

dimana 𝑓2(𝑥0, �̅�) , 𝑓2(𝑥1, �̅�) dan 𝑓2(𝑥2, �̅�) diberikan oleh

𝑓2(𝑥0, �̅�) = 𝐿2.0(�̅�)𝑓(𝑥0, 𝑦0) + 𝐿2.1(�̅�)𝑓(𝑥0, 𝑦1) + 𝐿2.2(�̅�)𝑓(𝑥0, 𝑦2),

𝑓2(𝑥1, �̅�) = 𝐿2.0(�̅�)𝑓(𝑥1, 𝑦0) + 𝐿2.1(�̅�)𝑓(𝑥1, 𝑦1) + 𝐿2.2(�̅�)𝑓(𝑥1, 𝑦2),

𝑓2(𝑥2, �̅�) = 𝐿2.0(�̅�)𝑓(𝑥2, 𝑦0) + 𝐿2.1(�̅�)𝑓(𝑥2, 𝑦1) + 𝐿2.2(�̅�)𝑓(𝑥2, 𝑦2)

(1.7.c)

Dengan prosedur yang sama , dapat diturunkan formula untuk interpolasi dua dimensi orde

3 (biikubik) yang dapat ditulis ke dalam bentuk berikut:

𝑓3(�̅�, �̅�) = 𝐿3.0(�̅�)𝑓3(𝑥0, �̅�) + 𝐿3.1(�̅�)𝑓3(𝑥1, �̅�) + 𝐿3.2(�̅�)𝑓3(𝑥2, �̅� ) + 𝐿3.3(�̅�)𝑓3(𝑥3, �̅� ) (1.8.a)

dimana 𝑓3(𝑥0, �̅�) , 𝑓3(𝑥1, �̅�) ,𝑓3(𝑥2, �̅�) 𝑑𝑎𝑛 𝑓3(𝑥3, �̅� ) diberikan oleh:

𝑓3(𝑥0, �̅�) = 𝐿3.0(�̅�)𝑓(𝑥0, 𝑦0) + 𝐿3.1(�̅�)𝑓(𝑥0, 𝑦1) + 𝐿3.2(�̅�)𝑓(𝑥0, 𝑦2) + 𝐿3.3(�̅�)𝑓(𝑥0, 𝑦3)


Volume 2, No. 1, Mei 2021, Hal. 64-79

71

𝑓3(𝑥1, �̅�) = 𝐿3.0(�̅�)𝑓(𝑥1, 𝑦0) + 𝐿3.1(�̅�)𝑓(𝑥1, 𝑦1) +𝐿3.2(�̅�)𝑓(𝑥1, 𝑦2) + 𝐿3.3(�̅�)𝑓(𝑥1, 𝑦3)

𝑓3(𝑥2, �̅�) = 𝐿3.0(�̅�)𝑓(𝑥2, 𝑦0) + 𝐿3.1(�̅�)𝑓(𝑥2, 𝑦1) + 𝐿3.2(�̅�)𝑓(𝑥2, 𝑦2) + 𝐿3.3(�̅�)𝑓(𝑥2, 𝑦3)

𝑓3(𝑥0, �̅�) = 𝐿3.0(�̅�)𝑓(𝑥3, 𝑦0) + 𝐿3.1(�̅�)𝑓(𝑥3, 𝑦1) + 𝐿3.2(�̅�)𝑓(𝑥3, 𝑦2) +𝐿3.3(�̅�)𝑓(𝑥3, 𝑦3)

(1.8.b)

Dengan demikian dapat dirumuskan bentuk umum interpolasi dua dimensi orde-n sebagai berikut:

𝑓𝑛(�̅�, �̅�) = ∑ 𝐿𝑛.𝑘(�̅�). 𝑓𝑛(𝑥, �̅�

𝑛

𝑖=0

) (1.9.a)

dimana

𝐿𝑛.𝑘(�̅�) = ∏�̅�−𝑥𝑘

𝑥𝑗−𝑥𝑘

𝑛𝑘=0𝑗≠𝑘

dan

𝑓𝑛(𝑥𝑛, �̅�) = ∑ 𝐿𝑛.𝑘(�̅�)𝑓(𝑥, 𝑦)𝑛𝑖=0

(1.9.b)

yang mana 𝐿𝑛.𝑘(�̅�) diberikan oleh

𝐿𝑛.𝑘(�̅�) = ∏�̅� − 𝑦𝑘

𝑦𝑗 − 𝑦𝑘

𝑛

𝑘=0𝑗≠𝑘

(1.9.c)

2. Interpolasi dua dimensi berdasarkan bentuk umum polinom interpolasi Newton

Akan diselesaikan dengan menggunakan interpolasi liniear masalah pada tabel 3

berdasarkan bentuk umum polinom interpolasi Newton. Akan ditentukan terlebih dahulu dua nilai

yang mengapit 𝑣1 = 3 yaitu 𝑣1 = 2 𝑑𝑎𝑛 𝑣1 = 4 dua nilai 𝑣2 yang mengapit nilai 𝑣2 = 6 yakni

𝑣2 = 5 𝑑𝑎𝑛 𝑣2 = 7. Selanjutnya masing-masing nilai 𝑣1 ini akan dikenakan interpolasi untuk

mendapatkan nilai 𝑓0.01(𝑣1, 6). Setelah itu barulah kita dapat melakukan interpolasi untuk

mendapatkan 𝑓0.01(3,6).

𝑓0.01(2,6) = 𝑓(2,5) +𝑓(2,7)−𝑓(2,5)

7−5(6 − 5)

= 13.27 +9.55−13.27

7−5(6 − 5)

= 11.41

𝑓0.01(4,6) = 𝑓(4,5) +𝑓(4,7)−𝑓(4,5)

7−5(6 − 5)

= 11.39 +7.85−11.39

7−5(6 − 5)

= 9.62

Sampai di dua titik ini telah diperoleh 𝑓0.01(2,6)𝑑𝑎𝑛 𝑓0.01(4,6), ini berarti untuk 𝑓0.01(3,6) yang

dibatasi oleh nilai 𝑓0.01(2,6)𝑑𝑎𝑛 𝑓0.01(4,6) dapat ditentukan dengan menggunakan interpolasi yang

dilakukan sekali lagi 𝑓0.01(3,6) = 𝑓(2,6) +𝑓(4,6)−𝑓(2,6)

4−2(3 − 2) = 10.52. Telah didapatkan nilai

interpolasi 𝑓0.01(3,6) dengan menggunakan metode interpolasi polynomial Newton yakni 10.52.

Harganya yang benar adalah 𝑓0.01(3,6) = 9.78


Volume 2, No. 1, Mei 2021, Hal. 64-79

72

Dengan mengasumsikan ketelitian ini mencukupi, selanjutnya akan diformulasikan

formula interpolasi liniear dalam dua variabel (Biliniear) berdasarkan bentuk umum polinom

interpolasi Newton.. Jika 𝑓𝛼(𝑣1, 𝑣2) dimisalkan menjadi 𝑓(𝑥, 𝑦) dimana 𝑥 menyatakan 𝑣1𝑑𝑎𝑛 𝑦

menyatakan 𝑣2. Jika ingin dihitung nilai 𝑓(𝑥, 𝑦) untuk 𝑥 = �̅� 𝑑𝑎𝑛 𝑦 = �̅� pertama tentukan terlebih

dahulu dua titik 𝑥 yang membatasi 𝑥 = �̅�, misalnya 𝑥 = 𝑥0𝑑𝑎𝑛 𝑥 = 𝑥1 dan dua titik 𝑦 yang

membatasi nilai 𝑦 = �̅� misalnya 𝑦 = 𝑦0 dan 𝑦 = 𝑦1. Untuk 𝑥 = 𝑥0 𝑑𝑎𝑛 𝑥 = 𝑥1, fungsi

𝑓(𝑥0, 𝑦) dan 𝑓(𝑥1, 𝑦) adalah fungsi satu variabel 𝑦. Interpolasi secara liniear untuk menaksir

𝑓(𝑥0, �̅�). Selanjutnya berdasarkan bentuk umum interpolasi polynomial Newton orde 1 𝑓1(𝑥) =

𝑓(𝑥0) +[𝑓(𝑥1)−𝑓(𝑥0)]

𝑥1−𝑥0(𝑥 − 𝑥0) maka:

𝑓1(𝑥0, �̅�) = 𝑓(𝑥0, 𝑦0) +(𝑓(𝑥0, 𝑦1) − 𝑓(𝑥0, 𝑦0))

𝑦1 − 𝑦0

(�̅� − 𝑦0) (1.10)

Serupa untuk 𝑥 = 𝑥1, diinterpolasi dan diperoleh:

𝑓1(𝑥1, �̅�) = 𝑓(𝑥1, 𝑦0) +(𝑓(𝑥1, 𝑦1) − 𝑓(𝑥1, 𝑦0))

𝑦1 − 𝑦0

(�̅� − 𝑦0) (1.11)

Proses interpolasi ini disebut dengan interpolasi dalam arah y,dan x dibuat tetap.Sekarang jika

𝑥 = �̅�, maka 𝑓(𝑥, �̅�) adalah fungsi satu variabel x. Karena 𝑥 = 𝑥0 𝑑𝑎𝑛 𝑥 = 𝑥1 membatasi 𝑥 = �̅�

maka interpolasi 𝑓(𝑥, �̅�) untuk mendapatkan 𝑓(�̅�, �̅�). Kembali dengan menggunakan bentuk umum

polinom interpolasi Newton orde pertama, maka:

𝑓1(�̅�, �̅�) = 𝑓1(𝑥0, �̅�) +(𝑓1(𝑥1, �̅�) − 𝑓1(𝑥0, �̅�))

𝑥1 − 𝑥0(�̅� − 𝑥0) (1.12.a)

bentuk umum persamaan (1.12.a)dapat ditulis:

𝑓1(�̅�, �̅�) = 𝑓(𝑥0, �̅�) + 𝑓[(𝑥1, �̅�), (𝑥0, �̅�)](�̅� − 𝑥0) (1.12.b)

Dimana 𝑓[(𝑥1, �̅�), (𝑥0, �̅�)] =(𝑓(𝑥1,�̅�)−𝑓(𝑥0,�̅�))

𝑥1−𝑥0 didefenisikan sebagai perbedaan terbagi pertama

untuk interpolasi dalam arah x dan ,𝑓(𝑥, �̅�) = 𝑓(𝑥, 𝑦0) + 𝑓[(𝑥, 𝑦1), (𝑥, 𝑦0)](𝑦 − 𝑦0) yang mana

𝑓[(𝑥, 𝑦1), (𝑥, 𝑦0)] =(𝑓(𝑥,𝑦1)−𝑓(𝑥,𝑦0))

𝑦1−𝑦0 didefenisikan sebagai perbedaan terbagi pertama untuk

interpolasi dalam arah y.

Dengan prosedur yang sama akan diturunkan formula interpolasi dua dimensi orde 2

sebagai berikut:

𝑓2(�̅�, �̅�) = 𝑓(𝑥0, �̅�) + 𝑓[(𝑥1, �̅�), (𝑥0, �̅�)](�̅� − 𝑥0) + 𝑓[(𝑥2, �̅�), (𝑥1, �̅�), (𝑥0, �̅�)](�̅� − 𝑥0)(�̅� − 𝑥1) (1.13)

dimana 𝑓[(𝑥2, �̅�), (𝑥1, �̅�), (𝑥0, �̅�)] =𝑓[(𝑥2,�̅�),(𝑥1,�̅�)]−𝑓[(𝑥1,�̅�),(𝑥0,�̅�)]

𝑥2−𝑥0 didefenisikan sebagai perbedaan

terbagi kedua untuk interpolasi dalam arah x dan ,𝑓(𝑥, �̅�) = 𝑓(𝑥, 𝑦0) + [𝑓(𝑥, 𝑦1), 𝑓(𝑥, 𝑦0)](𝑦 −

𝑦0) + [𝑓(𝑥, 𝑦2), 𝑓(𝑥, 𝑦1), 𝑓(𝑥, 𝑦0)] (𝑦 − 𝑦0)(𝑦 − 𝑦1) = 𝑓1(𝑥, �̅�) + [𝑓(𝑥, 𝑦2), 𝑓(𝑥, 𝑦1), 𝑓(𝑥, 𝑦0)]


Volume 2, No. 1, Mei 2021, Hal. 64-79

73

(𝑦 − 𝑦0)(𝑦 − 𝑦1) yang mana 𝑓[(𝑥, 𝑦2), (𝑥, 𝑦1), (𝑥, 𝑦0)] =𝑓[(𝑥,𝑦2),(𝑥,𝑦1)]−𝑓[(𝑥,𝑦1),(𝑥,𝑦0)]

𝑦2−𝑦0

didefenisikan sebagai perbedaan terbagi kedua untuk interpolasi dalam arah y.

Interpolasi dua dimensi orde 3 sebagai berikut:

𝑓3(�̅�, �̅�) = 𝑓(𝑥0, �̅�) + 𝑓[(𝑥1, �̅�), (𝑥0, �̅�)](�̅� − 𝑥0) + 𝑓[(𝑥2, �̅�), (𝑥1, �̅�), (𝑥0, �̅�)](�̅� − 𝑥0)(�̅� − 𝑥1) +𝑓[(𝑥3, �̅�), (𝑥2, �̅�), (𝑥1, �̅�), (𝑥0, �̅�)](�̅� − 𝑥0)(�̅� − 𝑥1)(�̅� − 𝑥2)

(1.14)

dimana 𝑓[(𝑥3, �̅�), (𝑥2, �̅�), (𝑥1, �̅�), (𝑥0, �̅�)] didefenisikan sebagai perbedaan terbagi ketiga untuk

interpolasi dalam arah x dan ,𝑓(𝑥, �̅�) = 𝑓2(𝑥, �̅�) + [𝑓(𝑥, 𝑦3), 𝑓(𝑥, 𝑦2), 𝑓(𝑥, 𝑦1), 𝑓(𝑥, 𝑦0)](𝑦 −

𝑦0)(𝑦 − 𝑦1)(𝑦 − 𝑦2) yang mana 𝑓[(𝑥, 𝑦3), (𝑥, 𝑦2), (𝑥, 𝑦1), (𝑥, 𝑦0)]

=𝑓[(𝑥,𝑦3),(𝑥,𝑦2),(𝑥,𝑦1)]−𝑓[(𝑥,𝑦2),(𝑥,𝑦1),(𝑥,𝑦0)]

𝑦3−𝑦0 didefenisikan sebagai perbedaan terbagi ketiga untuk

interpolasi dalam arah y.

Dengan demikian dapat dirumuskan bentuk umum interpolasi dua dimensi orde-n sebagai

berikut:

𝑓𝑛(�̅�, �̅�) = 𝑓(𝑥0, �̅�) + 𝑓[(𝑥1, �̅�), (𝑥0, �̅�)](�̅� − 𝑥0) + ⋯ +

𝑓[(𝑥𝑛, �̅�), … , (𝑥1, �̅�), (𝑥0, �̅�)](𝑥 − 𝑥0) (𝑥 − 𝑥1) … (𝑥 − 𝑥𝑛−1)

(1.15)

dimana 𝑓[(𝑥𝑛, �̅�), … , (𝑥1, �̅�), (𝑥0, �̅�)] =𝑓[(𝑥𝑛,�̅�)…(𝑥1,�̅�)]−𝑓[(𝑥𝑛−1,�̅�)…(𝑥0,�̅�)]

(𝑥𝑛−𝑥0) didefenisikan sebagai

perbedaan terbagi ke-n untuk interpolasi dalam arah x dan

𝑓𝑛(𝑥, �̅�) = 𝑓𝑛−1(𝑥, �̅�) + 𝑓[(𝑥, 𝑦𝑛), … , (𝑥, 𝑦0)](𝑦 − 𝑦0)(𝑦 − 𝑦1) … (𝑦 − 𝑦𝑛). Yang mana

𝑓[(𝑥, 𝑦𝑛), … , (𝑥, 𝑦0)] diberikan oleh

𝑓[(𝑥, 𝑦𝑛), … , (𝑥, 𝑦0)] =𝑓[(𝑥,𝑦𝑛),…,(𝑥,𝑦1)]−𝑓[(𝑥,𝑦𝑛−1),…,(𝑥,𝑦0)]

𝑦𝑛−𝑦0 didefenisikan sebagai perbedaan terbagi

ke-n untuk interpolasi dalam arah y.

Berdasarkan formula di atas dapat dibuat tabel perbedaan terbagi newton untuk interpolasi

dua dimensi yang diwakilkan oleh interpolasi biliniear dalam tabel 4 dan tabel 5.

Tabel 4. Tabel perbedaan terbagi newton untuk interpolasi dalam arah y

xi yi f(xi ,yi) f[ , ]

x0

y0 𝑓(𝑥0, 𝑦0) [𝑓(𝑥0, 𝑦1), 𝑓(𝑥0, 𝑦0)] =(𝑓(𝑥0,𝑦1)−𝑓(𝑥0,𝑦0))

𝑦1−𝑦0

y1 𝑓(𝑥0, 𝑦1)

x1

y0 𝑓(𝑥1, 𝑦0) [𝑓(𝑥1, 𝑦1), 𝑓(𝑥1, 𝑦0)] =(𝑓(𝑥1,𝑦1)−𝑓(𝑥1,𝑦0))

𝑦1−𝑦0

y1 𝑓(𝑥1, 𝑦1)

Tabel 5. Tabel perbedaan terbagi newton untuk interpolasi dalam arah x


Volume 2, No. 1, Mei 2021, Hal. 64-79

74

y xi f(xi ,yi) f[ , ]

�̅� x0 𝑓(𝑥0, �̅�) [𝑓(𝑥1, �̅�), 𝑓(𝑥0, �̅�)] =

(𝑓(𝑥1,�̅�)−𝑓(𝑥0,�̅�))

𝑥1−𝑥0

x1 𝑓(𝑥1, �̅�)

Pembuatan Program Interpolasi Dua Dimensi dengan menggunakan Matlab

Adapun algoritma bahasa program interpolasi dua dimensi dengan menggunakan metode

interpolasi polynomial Lagrange dan Newton yang diketikkan pada M-file seperti pada gambar 1.

Gambar 1. Bahasa program interpolasi dua dimensi Metode Lagrange (a) dan Newton (b)

Selanjutnya klik menu file > save as simpan dengan nama Lagrange atau Newton. Bisa juga

dengan menekan tombol “F5”, program tersebut akan otomatis dijalankan oleh Matlab dan lagsung

disimpan secara otomatis pula.

Perbandingan metode interpolasi dua dimensi dalam menentukan nilai tabel sebaran F

Untuk mendapatkan perbandingan metode-metode yang digunakan baik secara manual

maupun berbantuan matlab dapat diketahui dengan menyelesaiakan masalah berikut.

Data berikut menunjukkan sebagian tabel nilai kritik sebaran F (𝛼 = 0.01)

1. Mulai

2. Defenisikan interpolasi dalam arah y

3. Masukkan data 𝑦, 𝑓(𝑥, 𝑦), �̅�

4. For i =1: length (y), temp= f(i)

5. For j =1:length(y)

6. If i ≠ 𝑗, temp= temp*(�̅� - y(i))/(y(i)-y(j))

7. Tampilkan dengan angka nilai 𝑓(𝑥, �̅�)

8. Defenisikan interpolasi dalam arah x

9. Masukkan data 𝑥, 𝑓(𝑥, �̅�), �̅�

10. For i =1: length (x), temp= f(i)

11. For j =1:length(x)

12. If i ≠ 𝑗, temp= temp*(�̅� - x(i))/(x(i)-x(j))

13. Tampilkan dengan angka nilai 𝑓(�̅�, �̅�)

14. Selesai

1. Mulai

2. Defenisikan interpolasi dalam arah y

3. Masukkan data 𝑦, 𝑓(𝑥, 𝑦), �̅�

4. Defenisikan variaabel 𝑛 = 𝑙𝑒𝑛𝑔𝑡ℎ (𝑦), 𝑎(1) =𝑓(1)

5. For i = 2: n

6. For j = 1: n+1-i, f(j)=(f(j+1)-f(j))/(y(j+i-1)-y(j))

7. If j==i, a(i)=f(j);

8. Defenisikan variabel p=a(1)

9. For i=2:n, temp a(i)

10. For j =2:i, temp=temp*(�̅�-y(j-1))

11. P=p+temp

12. Tampilkan koefisien polynomial Newton (a)

13. Tampilkan 𝑓(𝑥, �̅�) (P)

14. Defenisikan interpolasi dalam arah x

15. Masukkan data 𝑥, 𝑓(𝑥, �̅�), �̅�

16. Defenisikan variaabel 𝑛 = 𝑙𝑒𝑛𝑔𝑡ℎ (𝑥), 𝑎(1) =𝑓(1)

17. For i = 2: n

18. For j = 1: n+1-i, f(j)=(f(j+1)-f(j))/(x(j+i-1)-x(j))

19. If j==i, a(i)=f(j);

20. Defenisikan variabel p=a(1)

21. For i=2:n, temp a(i)

22. For j =2:i, temp=temp*(�̅�-x(j-1))

23. P=p+temp

24. Tampilkan koefisien polynomial Newton (a)

25. Tampilkan 𝑓(�̅�, �̅�) (P)

(a) (b)


Volume 2, No. 1, Mei 2021, Hal. 64-79

75

Tabel 6. Tabel nilai kritik sebaran F (soal aplikasi)

𝒗𝟐 𝒗𝟏

3 5 6 7

10 6.55 5.64 5.39 5.20

11 6.22 5.32 5.07 4.89

12 5.95 5.06 4.82 4.64

14 5.56 4.69 4.46 4.28

Tentukan nilai interpolasi 𝑓0.01(4,13) dan bandingkan dengan nilai eksak 𝑓0.01(4,13) = 5,21.

Penyelesaian:

Dengan menggunakan metode interpolasi polynomial Lagrange kita dapatkan 𝐿3.0(13) =2

8,

𝐿3.1(13) − 1, 𝐿3.2(13) =6

4, 𝐿3.3(13) =

6

24. Lalu 𝑓(3,13) =

2

8𝑓(3,10) + (−1)𝑓(3,11) +

6

4𝑓(3,12) +

6

24𝑓(3,14) = 5.7325, 𝑓(5,13) = 4.8525, 𝑓(6,13) = 4.6225, 𝑓(7,13) = 4.44

Selanjutnya 𝐿3.0(4) =6

24, 𝐿3.1(4) =

6

4, 𝐿3.2(4) = −1, 𝐿3.3(4) =

2

8 Sehingga 𝑓(4,13) = 5.1994

Hasil run dengan menggunakan Matlab seperti pada gambar 2.

Gambar 2 Hasil run Matlab dengan metode interpolasi polynomial Lagrange

Dengan menggunakan metode interpolasi polynomial Newton, kita dapatkan perbedaan

terbagi newton seprti pada tabel 7.

(a) (b)

(c) (d)


Volume 2, No. 1, Mei 2021, Hal. 64-79

76

Tabel 7. perbedaan terbagi newton untuk interpolasi dalam arah y soal aplikasi

xi yi f(xi , yi ) f [ , ] f [ , , ] f[ , , , ]

3

10 6.55 -0.3300 0.0300 -0.0013

11 6.22 -0.2700 0.0250

12 5.95 -0.1950

14 5.56

5

10 5.64 -0.3200 0.0300 -0.0012

11 5.32 -0.2600 0.0250

12 5.06 -0.1850

14 4.69

6

10 5.39 -0.3200 0.0350 -0.0029

11 5.07 -0.2500 0.2333

12 4.82 -0.1800

14 4.46

7

10 5.20 -0.3100 0.0300 -0.0017

11 4.89 -0.2500 0.2333

12 4.64 -0.1800

14 4.28

Sehingga 𝑓(3,13) = 5.7325, 𝑓(5,13) = 4.8525 , 𝑓(6,13) = 4.6225 dan 𝑓(7,13) = = 4.4400

Selanjutnya

Tabel 8. Perbedaan terbagi newton untuk interpolasi dalam arah x (soal aplikasi)

�̅� xi f(xi ,�̅�) f [ , ] f [ , , ] f[ , , , ]

13

3 5.7325 -0.4400 0.0700 -0.0116

5 4.8525 -0.2300 0.0238

6 4.6225 -0.1825

7 4.4400

Sehingga 𝑓(4,13) = 5.1994. Adapun hasil run dengan menggunakan Matlab seperti pada

gambar 3. Tabel 9 menunjukkan perbandingan hasil yang diperoleh dari metode yang telah

dikerjakan.

Tabel 9. Perbandingan hasil interpolasi dua dimensi mengunakan metode interpolasi

polynomial Lagrange dan metode interpolasi polynomial Newton

Metode yang

digunakan 𝒇(𝒙, 𝒚)

Nilai interpolasi

manual program

Interpolasi

polynomial

Lagrange

𝑓(3,13) 5.7325 5.7325

𝑓(5,13) 4.8525 4.8525

𝑓(6,13) 4.6225 4.6225

𝑓(7,13) 4.4400 4.4400

𝑓(4,13) 5.1994 5.1994

Interpolasi

polynomial

Newton

𝑓(3,13) 5.7325 5.7325

𝑓(5,13) 4.8525 4.8525

𝑓(6,13) 4.6225 4.6225

𝑓(7,13) 4.4400 4.4400

𝑓(4,13) 5.1994 5.1994


Volume 2, No. 1, Mei 2021, Hal. 64-79

77

Gambar 3. Hasil run Matlab dengan metode interpolasi polynomial

Hasil perhitungan pada tabel 9 baik secara manual maupun dengan menggunakan program

menunjukkan hasil yang sama. Metode interpolasi polynomial Lagrange hasil perhitungan manual

sama dengan hasil perhitungan menggunakan program baik untuk setiap nilai

𝑓(𝑥, 13)𝑚𝑎𝑢𝑝𝑢𝑛 𝑓(4,13). Demikian juga pada metode interpolasi Polinomial Newton hasil

perhitungan manual sama dengan perhitungan menggunakan program baik untuk koefisien

polinomialnya maupun nilai 𝑓(𝑥, 13)dan 𝑓(4,13).Dan nilai interpolasi dari kedua metode pun

sama yakni 𝑓(3,14) = 5.1994 , besarnya galat relative pun hanya 0.20% ,ini berarti nilai

interpolasi yang diperoleh dekat dengan nilai eksaknya.

Dilihat dari prosedur penyelesaian manual ,kedua metode memiliki prosedur penyelesaian

yang sama yakni penentuan nilai koefisien polinom terlebih dahulu kemudian nilai interpolasi

dalam arah y maupun x. Perlu diketahui bahwa proses komputasi dengan menggunakan metode

interpolasi polinomial Lagrange lebih lama dibandingkan metode interpolasi polynomial Newton.

Hal ini disebabkan karena proses perhitungan untuk mencari koefisien polynom interpolasi

Lagrange lebih rumit dibandingkan dengan proses perhitungan untuk mencari koefisien polynom

interpolasi Newton. Dalam proses perhitungan untuk mencari koefisien polynom interpolasi

Newton dibantu dengan menggunakan tabel perbedaan terbagi Newton. Hal ini sangat

memudahkan untuk mengecek ulang apabila terjadi kesalahan,dan kesalahan perhitungan itu akan

mudah dideteksi. Selain itu dalam pembuatan tabel perbedaan terbagi newton ini terdapat pola

khusus yang sangat membantu dalam proses perhitungan. Pola ini akan disadari ketika

(a) (b) (c)

(d) (e)


Volume 2, No. 1, Mei 2021, Hal. 64-79

78

mencobanya langsung.Proses Interpolasi tersebut jika dilihat dari prosedur penyelesaian dengan

menggunakan program, interpolasi dengan metode interpolasi polynomial Newton lebih lama

dibandingkan metode interpolasi polynomial Lagrange. Jadi, nilai interpolasi distrubsi

𝑓0.01(4,13)𝑎𝑑𝑎𝑙𝑎ℎ 5.1994 dapat dibulatkan menjadi 5.20

KESIMPULAN

Interpolasi dua dimensi dalam tabel nilai kritik sebaran F dapat dilakukan dengan

menggunakan prosedur interpolasi 1 variabel secara berurutan.. Interpolasi dilakukan dengan

berturut-turut melakukan interpolasi satu variabel untuk mendapatkan fungsi dekatan bagi data

yang diberikan. Interpolasi dilakukan terlebih dahulu untuk salah satu variabel dan menganggap

variabel yang lainnya konstan. Kemudian sekali lagi dilakukan interpolasi untuk mendapatkan

polinom interpolasi ganda untuk data yang diberikan. Perkiraan nilai tengahan untuk fungsi

dimaksud dapat dilakukan dengan mensubstitusikan setiap variabel bebas ke dalam interpolasi

polinom interpolasi ganda yang telah diperoleh. Formula interpolasi dua dimensi dapat dibuat

dengan mengacu pada bentuk umum polinom interpolasi Lagrange dan Newton. Telah dibuat suatu

program interpolasi dua dimensi dengan menggunakan Matlab yaitu program yang dapat

menentukan nilai tengahan suatu fungsi dalam dua variabel dengan menggunakan formula

interpolasi polynomial Lagrange dan Newton. Hasil interpolasi dua dimensi dengan menggunakan

kedua metode adalah sama. Metode Lagrange memiliki kelebihan dalam kesederhanaan pembuatan

program namun memerlukan waktu yang cukup lama dalam penyelesaian manualnya. Sedangkan

Metode Newton memiliki kelebihan dalam kesederhanaan proses kerja secara manual namun

memerlukan waktu yang cukup lama dalam pembuatan program.

DAFTAR PUSTAKA

Etter, D. M., Kunicky D. C., & Hull, D. (2003). Pengantar Matlab 6, terjemahan. PT Indeks

kelompok Gramedia : Jakarta

Hadi, S. (1995). Metodologi Research Jilid 3. Metodologi Research Jilid 3. Yogyakarta: Andi

Offset

Hanselman, D. & Bruce L. (2000) . Matlab Bahasa Komputasi Teknis, terjemahan. Andi Offset:

Yogyakarta.

Karris, S. T. (2004). Numerical Analysis using Matlab and Spreadsheets, edisi kedua. Orchard

Publications : California.

Kiusalaas, J. (2005). Numerical Methods In Engineering With Matlab. Cambridge University

Press: New York

Kosasih, P. B. (2006). Komputasi Numerik Teori dan Aplikasi. Andi Offset : Yogyakarta.

Muhadjir, N. (1998). Metodologi Penelitian Kualitatif. Yogyakarta: Rake Sarasin.

Quarteroni, A., Sacco, R., & Saler, F. (2007). Numerical Mathematics, edisi kedua. Springer :

Berlin.

Walpole, R. E. (1995). Pengantar Statistika Edisi ke-3. PT Gramedi Pustaka Utama: Jakarta.


Volume 2, No. 1, Mei 2021, Hal. 64-79

79

Yang, W. Y., Cao, W., Chung, T. S., & Morris, J. (2005). Applied Numerical Methods Using

Matlab. John Wiley & Sons: Singapura.

Date post:	05-Oct-2021
Category:	Documents
Upload:	others
View:	10 times
Download:	0 times

KAJIAN INTERPOLASI DUA DIMENSI DALAM TABEL NILAI KRITIK ...

Documents